搜索[HTTP/2]结果-低调大师优秀个人博客

精选列表

搜索[HTTP/2]，共10000篇文章

[Hive]HiveServer2概述

HiveServer是建立在Apache ThriftTM（http://thrift.apache.org/）之上的，因此有时会被称为Thrift Server，这可能会导致混乱，因为新服务HiveServer2

2017-07-17

无线攻击工具NETATTACK 2

容器中或者在虚拟机上搭建渗透测试环境的，还有就是docker和虚拟机不能加载无线网卡的，所以我一直没有说一些无线攻击工具，今天我在树莓派上插上了我的无线网卡，所以今天就来说说一个很简单的无线攻击工具NETATTACK 2

2017-06-27

HBase thrift2 TIOError

如果HBase thrift2报：“TIOError exception: Default TException”，这个可能是因为操作的表不存在，不一定是网络或磁盘操作异常。

2017-05-26

Hadoop TDG 2 – I/O

RawComparator<T> extends Comparator<T> { public int compare(byte[] b1, int s1, int l1, byte[] b2,

2017-05-01

Hadoop TDG 2 – Development Environment

Shortcut for –D mapred.job.tracker=host:port-files file1,file2,...

2017-05-01

HBase数据模型(2)

HBase数据模型(1) HBase数据模型(2) 1.0 HBase的版本version，是一个用长整型表示的。

2016-04-27

前言这是《深入HBase架构解析（1）》的续，不多废话，继续。。。。 HBase读的实现通过前文的描述，我们知道在HBase写时，相同Cell(RowKey/ColumnFamily/Column相同)并不保证在一起，甚至删除一个Cell也只是写入一个新的Cell，它含有Delete标记，而不一定将一个Cell真正删除了，因而这就引起了一个问题，如何实现读的问题？要解决这个问题，我们先来分析一下相同的Cell可能存在的位置：首先对新写入的Cell，它会存在于MemStore中；然后对之前已经Flush到HDFS中的Cell，它会存在于某个或某些StoreFile(HFile)中；最后，对刚读取过的Cell，它可能存在于BlockCache中。既然相同的Cell可能存储在三个地方，在读取的时候只需要扫瞄这三个地方，然后将结果合并即可(Merge Read)，在HBase中扫瞄的顺序依次是：BlockCache、MemStore、StoreFile(HFile)。其中StoreFile的扫瞄先会使用Bloom Filter过滤那些不可能符合条件的HFile，然后使用Block Index快速定位Cell，并将其加载到BlockCache中，然后从BlockCache中读取。我们知道一个HStore可能存在多个StoreFile(HFile)，此时需要扫瞄多个HFile，如果HFile过多又是会引起性能问题。 Compaction MemStore每次Flush会创建新的HFile，而过多的HFile会引起读的性能问题，那么如何解决这个问题呢？HBase采用Compaction机制来解决这个问题，有点类似Java中的GC机制，起初Java不停的申请内存而不释放，增加性能，然而天下没有免费的午餐，最终我们还是要在某个条件下去收集垃圾，很多时候需要Stop-The-World，这种Stop-The-World有些时候也会引起很大的问题，比如参考本人写的这篇文章，因而设计是一种权衡，没有完美的。还是类似Java中的GC，在HBase中Compaction分为两种：Minor Compaction和Major Compaction。 Minor Compaction是指选取一些小的、相邻的StoreFile将他们合并成一个更大的StoreFile，在这个过程中不会处理已经Deleted或Expired的Cell。一次Minor Compaction的结果是更少并且更大的StoreFile。 Major Compaction是指将所有的StoreFile合并成一个StoreFile，在这个过程中，标记为Deleted的Cell会被删除，而那些已经Expired的Cell会被丢弃，那些已经超过最多版本数的Cell会被丢弃。一次Major Compaction的结果是一个HStore只有一个StoreFile存在。Major Compaction可以手动或自动触发，然而由于它会引起很多的IO操作而引起性能问题，因而它一般会被安排在周末、凌晨等集群比较闲的时间。更形象一点，如下面两张图分别表示Minor Compaction和Major Compaction。 HRegion Split 最初，一个Table只有一个HRegion，随着数据写入增加，如果一个HRegion到达一定的大小，就需要Split成两个HRegion，这个大小由hbase.hregion.max.filesize指定，默认为10GB。当split时，两个新的HRegion会在同一个HRegionServer中创建，它们各自包含父HRegion一半的数据，当Split完成后，父HRegion会下线，而新的两个子HRegion会向HMaster注册上线，处于负载均衡的考虑，这两个新的HRegion可能会被HMaster分配到其他的HRegionServer中。关于Split的详细信息，可以参考这篇文章：《Apache HBase Region Splitting and Merging》。 HRegion负载均衡在HRegion Split后，两个新的HRegion最初会和之前的父HRegion在相同的HRegionServer上，出于负载均衡的考虑，HMaster可能会将其中的一个甚至两个重新分配的其他的HRegionServer中，此时会引起有些HRegionServer处理的数据在其他节点上，直到下一次Major Compaction将数据从远端的节点移动到本地节点。 HRegionServer Recovery 当一台HRegionServer宕机时，由于它不再发送Heartbeat给ZooKeeper而被监测到，此时ZooKeeper会通知HMaster，HMaster会检测到哪台HRegionServer宕机，它将宕机的HRegionServer中的HRegion重新分配给其他的HRegionServer，同时HMaster会把宕机的HRegionServer相关的WAL拆分分配给相应的HRegionServer(将拆分出的WAL文件写入对应的目的HRegionServer的WAL目录中，并并写入对应的DataNode中），从而这些HRegionServer可以Replay分到的WAL来重建MemStore。 HBase架构简单总结在NoSQL中，存在著名的CAP理论，即Consistency、Availability、Partition Tolerance不可全得，目前市场上基本上的NoSQL都采用Partition Tolerance以实现数据得水平扩展，来处理Relational DataBase遇到的无法处理数据量太大的问题，或引起的性能问题。因而只有剩下C和A可以选择。HBase在两者之间选择了Consistency，然后使用多个HMaster以及支持HRegionServer的failure监控、ZooKeeper引入作为协调者等各种手段来解决Availability问题，然而当网络的Split-Brain(Network Partition)发生时，它还是无法完全解决Availability的问题。从这个角度上，Cassandra选择了A，即它在网络Split-Brain时还是能正常写，而使用其他技术来解决Consistency的问题，如读的时候触发Consistency判断和处理。这是设计上的限制。从实现上的优点： HBase采用强一致性模型，在一个写返回后，保证所有的读都读到相同的数据。通过HRegion动态Split和Merge实现自动扩展，并使用HDFS提供的多个数据备份功能，实现高可用性。采用HRegionServer和DataNode运行在相同的服务器上实现数据的本地化，提升读写性能，并减少网络压力。内建HRegionServer的宕机自动恢复。采用WAL来Replay还未持久化到HDFS的数据。可以无缝的和Hadoop/MapReduce集成。实现上的缺点： WAL的Replay过程可能会很慢。灾难恢复比较复杂，也会比较慢。 Major Compaction会引起IO Storm。转自：原作者: 雪地脚印 | 来自: 雪地脚印_的博客

2015-10-05

钢管识别项目2

钢管识别项目2 零、相关说明：首先进行一下相关说明。

2015-07-15

数据可视化引擎 G2 v5.0.0-rc.2 发布

数据可视化引擎G2 v5.0.0-rc.2 版本现已发布，具体更新内容包括： What's Changed fix：捕获渲染异常并抛出#4777 fix(texts)：更新快照#4780 fix(animation

2023-03-19

Pencil2D —— 基于 C++ 的 2D 手绘动画软件

Pencil2D 是一个免费开源软件，可以制作 2D 手绘动画。它轻巧且易于使用，并且可以在 Linux、Windows、macOS 和 FreeBSD 上运行。

2021-02-18

Java B2B2C多用户商城 springcloud架构（二）

用官方的一张图来认识一下：上图简要描述了Eureka的基本架构，由3个角色组成： 1、Eureka Server 提供服务注册和发现2、Service Provider服务提供方将自身服务注册到Eureka

2019-09-05

Java B2B2C多用户商城 springcloud架构（一）

现在网上大量的springcloud相关的文章，使用的springboot和springcloud的版本都相对比较老，很多还是在使用springboot1.x的版本，如果尝鲜想使用springboot2.

2019-09-05

b2b2c社交电商--Spring Cloud GateWay初体验

在本案例中，会将请求转发到http://httpbin.org:80这个地址上。

2019-05-07

java B2B2C Springboot电子商城系统-eureka详解

2.服务提供者：提供服务的应用，可以是spring boot应用，也可以是其他遵循eureka通信机制的应用。3.消费者应用从服务注册中心获取服务列表，从而使消费者可以知道去何处调用所v需要的服务。

2018-12-16

java B2B2C Springboot多租户电子商城系统

FeignFeign是一种声明式、模板化的HTTP客户端。

2018-12-12

java B2B2C Springcloud电子商务平台源码

鸿鹄云商大型企业分布式互联网电子商务平台，推出PC+微信+APP+云服务的云商平台系统，其中包括B2B、B2C、C2C、O2O、新零售、直播电商等子平台。

2018-12-10

IBM DB2关键特性解析：DB2分区特性

本文将重点介绍无共享模式的DB2数据库的分区特性，以及DB2与Oracle数据库分区特性的比较。

2017-11-29

Cocos2d-x跨平台开发利器--EasyNDK-for-cocos2dx

一、问题当下，使用COCOS2D-X开发的同学看上去不少了，但奇怪的是，在中文网络搜索中使用EasyNDK-for-cocos2dx的介绍资料见之极少！？

2017-11-14

Docker Registry v2 + Token Auth Server (Registry v2 认证)实例。

关于Registry 对于registry v1 --> v2中，其中的原理、优化等，这里不再做一一介绍。

2017-11-07

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。